Plant growth regulation and the rebound effect when prohexadione calcium is applied to fairway‐height annual bluegrass and creeping bentgrass swards
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Plant growth regulators (PGRs) are commonly used to manage turfgrass growth on golf courses. Growing degree day (GDD) models predict the need for reapplication of PGRs, such as trinexapac‐ethyl (TE) resulting in a potential loss of regulation. Optimal GDD models for application of prohexadione calcium (PC), a late‐stage gibberellin inhibitor, on fairway‐height turfgrasses are currently unknown. The effect of PC and TE on plant growth and stand health were evaluated in two separate seasons on mixed stands of creeping bentgrass ( Agrostis stolonifera L.) and annual bluegrass ( Poa annua L.) maintained at 9‐mm height at the Guelph Turfgrass Institute. Five treatments (control, PC 2.8 g 100 m −2 [0.09 oz 1000 ft −2 ], PC 5.6 g 100 m −2 [0.18 oz 1000 ft −2 ], PC 8.4 g 100 m −2 [0.27 oz 1000 ft −2 ], and TE 8.0 mL 100 m −2 [0.26 fl oz 1000 ft −2 ]) were applied based on a label rate GDD schedule. Plant clipping dry weight (DW), visual color ratings and normalized difference vegetative index (NDVI) were assessed. Most PC and TE treatments effectively reduced DW and had a positive effect on visual color and NDVI. A relationship was observed between PC application rates, suggesting that higher application rates allow for greater regulation of plant growth. Rebound effects or periods of excess growth, occurred when reapplication intervals exceeded 350 GDD and had an average of thermal time greater than 21.0 GDD over a 10‐day period. Using optimal GDD models for PC will assist in the effective regulation of turfgrass growth and improved stand health.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle